INFERENCE ON NONPARAMETRICALLY TRENDING TIME SERIES WITH FRACTIONAL ERRORS
分数误差下非参数趋势时间序列的推断AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究时间序列趋势估计及短记忆、长记忆和反持久误差下的推断。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
分数误差下非参数趋势时间序列的推断
- 研究问题
- 平滑趋势的核估计在短记忆、长记忆和反持久误差下，其极限方差如何随核函数变化，能否获得解析表达式？
- 方法与思路
- 作者在由线性过程生成误差的框架中研究趋势核估计，对特定核函数类别计算渐近方差，并讨论更一般依赖结构。
- 材料陈述的贡献
- 摘要称，固定点间的核估计渐近独立且同方差，但方差对核的依赖随记忆类型变化；特定核类可得到解析公式。
- 阅读关注点
- 应核对趋势平滑度、带宽和记忆参数限制，区分固定点结论与整体推断，并确认截面或空间扩展的完成程度。
- 阅读边界
- 仅据所给 Crossref 摘要，具体核类、解析公式和正则条件均未给出，不能推断任意核或任意依赖结构均适用。
原文摘要
The central limit theorem for nonparametric kernel estimates of a smooth trend, with linearly generated errors, indicates asymptotic independence and homoskedasticity across fixed points, irrespective of whether disturbances have short memory, long memory, or antipersistence. However, the asymptotic variance depends on the kernel function in a way that varies across these three circumstances, and in the latter two it involves a double integral that cannot necessarily be evaluated in closed form. For a particular class of kernels, we obtain analytic formulas. We discuss extensions to more general settings, including ones involving possible cross-sectional or spatial dependence.